現(xiàn)代信息處理及其應(yīng)用

第1章 小波分析的數(shù)學(xué)基礎(chǔ)
　1.1　函數(shù)空間與基
　1.2　傅里葉變換
　1.3　時(shí)頻分析法　
　習(xí)題1
第2章 小波變換
　2.1　小波的定義及基本性質(zhì)
　　2.1.1　從傅里葉分析到小波分析
　　2.1.2　連續(xù)小波變換和時(shí)間一頻率分析
　2.2　幾種常見(jiàn)的小波
　2.3　離散小波變換
　2.4 Mallat算法
　2.5　二維連續(xù)小波
　2.6 Haar小波分析
　　2.6.1　平均與細(xì)節(jié)
　　2.6.2　尺度函數(shù)和小波函數(shù)
　　2.6.3　小波變換的計(jì)算
　　2.6.4　逆小波變換
　　2.6.5　小波變換的濾波器實(shí)現(xiàn)
　　2.6.6　小波變換的提升實(shí)現(xiàn)
　習(xí)題2
第3章 基于小波變換的視頻壓縮研究及生物醫(yī)學(xué)信號(hào)處理
　3.1 視頻壓縮的若干概念
　　3.1.1　視頻壓縮研究的目的及意義　　
　　3.1.2　國(guó)內(nèi)外研究現(xiàn)狀
　　3.1.3　視頻編解碼結(jié)構(gòu)
　3.2　數(shù)字視頻壓縮基礎(chǔ)及小波變換
　　3.2.1　引言
　　3.2.2　數(shù)字視頻壓縮基礎(chǔ)
　　3.2.3　小波分析
　　3.2.4　離散小波變換
　　3.2.5　小波性能特征與選取
　　3.2.6　小波變換的統(tǒng)計(jì)特點(diǎn)
　　3.2.7　小結(jié)
　3.3　基于小波變換的靜止圖像壓縮
　　3.3.1　引言
　　3.3.2　嵌入式零樹(shù)小波壓縮算法(EZW)
　　3.3.3　分層樹(shù)集劃分編碼算法SPIHI
　　3.3.4　抗干擾編解碼措施
　　3.3.5　基于整數(shù)小波變換的EZW算法WDR
　　3.3.6　小結(jié)
　3.4　視頻的小波變換壓縮方法
　　3.4.1　引言
　　3.4.2　基于時(shí)間軸小波變換的視頻分割算法
　　3.4.3　基于3D-SPIHT的三維小波視頻編碼算法
　　3.4.4　小結(jié)
　3.5　小波分析在視頻壓縮研究中的應(yīng)用的若干結(jié)論
　3.6　小波分析在生物醫(yī)學(xué)信號(hào)處理中的應(yīng)用
　　3.6.1　引言
　　3.6.2　生物醫(yī)學(xué)信號(hào)/圖像的特點(diǎn)
　　3.6.3　各項(xiàng)研究成果
　　3.6.4　圖像壓縮
　　3.6.5　小波分析在生物醫(yī)學(xué)信號(hào)處理中的應(yīng)用的若干結(jié)論
　習(xí)題3
第4章 數(shù)理統(tǒng)計(jì)方法及其應(yīng)用
　4.1　數(shù)據(jù)挖掘與數(shù)理統(tǒng)計(jì)的關(guān)系
　4.2　數(shù)理統(tǒng)計(jì)與數(shù)據(jù)庫(kù)技術(shù)的結(jié)合
　4.3　回歸分析的基本概念
　4.4　線性回歸方程
　4.5　線性相關(guān)的顯著性檢驗(yàn)
　　4.5.1　線性回歸的方差分析
　　4.5.2　相關(guān)系數(shù)的顯著性檢驗(yàn)
　4.6　非線性回歸分析
　　4.6.1　化非線性回歸為線性回歸
　　4.6.2　多項(xiàng)式回歸
　4.7　多元線性回歸分析
　　4.7.1　多元線性回歸方程
　　4.7.2　多元線性回歸的方差分析　　
　4.8　一般情況下的回歸分析
　　4.8.1　一般情況下的回歸方程
　　4.8.2　一般情況下的參數(shù)估計(jì)
　4.9　逐步回歸分析的軟件設(shè)計(jì)
　4.10　鍛模設(shè)計(jì)準(zhǔn)則的制定
　　4.10.1　研究的內(nèi)容
　　4.10.2　資料收集與數(shù)據(jù)處理
　　4.10.3飛邊尺寸設(shè)計(jì)準(zhǔn)則的制定
　　4.10.4飛邊金屬消耗設(shè)計(jì)準(zhǔn)則的制定
　4.11小結(jié)
　習(xí)題4
第5章 模糊邏輯與神經(jīng)網(wǎng)絡(luò)法及其應(yīng)用
　5.1　人工神經(jīng)網(wǎng)絡(luò)
　　5.1.1　概述
　　5.1.2　神經(jīng)網(wǎng)絡(luò)模型
　　5.1.3　神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
　　5.1.4　模糊神經(jīng)網(wǎng)絡(luò)
　5.2　基于SOFM神經(jīng)網(wǎng)絡(luò)的IP電話語(yǔ)音壓縮編碼設(shè)計(jì)
　　5.2.1 SOFM網(wǎng)絡(luò)聚類(lèi)算法
　　5.2.2 利用SOFM網(wǎng)絡(luò)設(shè)計(jì)碼書(shū)
　　5.2.3 改進(jìn)的SOFM訓(xùn)練方法
　　5.2.4 計(jì)算機(jī)仿真實(shí)驗(yàn)
　　5.2.5 小結(jié)
　5.3　基于模糊神經(jīng)網(wǎng)絡(luò)的洗衣機(jī)控制系統(tǒng)的設(shè)計(jì)
　　5.3.1　洗衣機(jī)的模糊控制
　　5.3.2　洗衣機(jī)的模糊神經(jīng)控制器設(shè)計(jì)
　　5.3.3　洗衣機(jī)的模糊神經(jīng)控制器MATLAB仿真
　　5.3.4　小結(jié)
　習(xí)題5
第6章 遺傳算法與人工生命原理及其應(yīng)用
　6.1　遺傳算法
　　6.1.1　基本原理
　　6.1.2　遺傳算法的主要步驟
　6.2　人工生命
　　6.2.1　概述
　　6.2.2　人工生命的研究?jī)?nèi)容和方法
　　6.2.3　人工生命的實(shí)例
　6.3　基于遺傳算法的154T電動(dòng)車(chē)牽引勵(lì)磁PID控制器的設(shè)計(jì)
　　6.3.1　遺傳算法的原理、基本問(wèn)題及實(shí)現(xiàn)步驟
　　6.3.2　基于遺傳算法的PID控制器參數(shù)整定及實(shí)驗(yàn)仿真
　　6.3.3　小結(jié)
　習(xí)題6
第7章 專(zhuān)家系統(tǒng)與機(jī)器學(xué)習(xí)原理及其應(yīng)用
　7.1　專(zhuān)家系統(tǒng)原理
　　7.1.1　人工智能概述
　　7.1.2　知識(shí)的表示　　
　　7.1.3　搜索原理
　7.2　機(jī)器學(xué)習(xí)
　　7.2.1　機(jī)器學(xué)習(xí)概述
　　7.2.2　實(shí)例學(xué)習(xí)
　　7.2.3　類(lèi)比學(xué)習(xí)
　7.3 154T電動(dòng)輪自卸車(chē)狀態(tài)監(jiān)測(cè)與故障診斷專(zhuān)家系統(tǒng)
　　7.3.1 面向?qū)ο蠓治龇?br />　　7.3.2 系統(tǒng)的面向?qū)ο蠓治雠c建模
　　7.3.3 系統(tǒng)實(shí)現(xiàn)
　習(xí)題7
第8章 正交實(shí)驗(yàn)設(shè)計(jì)與方差分析及其應(yīng)用
　8.1 實(shí)驗(yàn)設(shè)計(jì)
　　8.1.1 實(shí)驗(yàn)設(shè)計(jì)的意義、原則與基本內(nèi)容
　　8.1.2 樣本含量的估計(jì)
　　8.1.3 正交實(shí)驗(yàn)設(shè)計(jì)
　8.2 方差分析
　8.3 基于正交規(guī)劃的最優(yōu)模鍛工藝方案設(shè)計(jì)準(zhǔn)則實(shí)驗(yàn)研究
　　8.3.1 實(shí)驗(yàn)的正交規(guī)劃
　　8.3.2 最優(yōu)模鍛工藝方案的確定
　　8.3.3 小結(jié)
　習(xí)題8
第9章 其他方法及其應(yīng)用
　9.1 基于鏈碼差的邊界凸凹性判別
　　9.1.1 引言
　　9.1.2 邊界特征參數(shù)的提取
　　9.1.3 基于鏈碼差的邊界凸凹性判別
　　9.1.4 小結(jié)
　9.2 計(jì)算機(jī)筆跡鑒別
　　9.2.1 筆跡鑒別
　　9.2.2 筆跡鑒別的特征
　9.3 文字識(shí)別技術(shù)的應(yīng)用
　　9.3.1 脫機(jī)文字自動(dòng)錄入
　　9.3.2 筆輸入系統(tǒng)
　　9.3.3 票據(jù)、牌照、名片、證件識(shí)別
　　9.3.4 工程圖自動(dòng)識(shí)別技術(shù)
　習(xí)題9
參考文獻(xiàn)